In 2020, digital transformation was a major theme to commemorate Indonesia’s main agrarian law’s anniversary. This theme is a reminder of the need to fully implement digital services to improve the quality of land registration products that are cheap, easy to operate, perform quickly, and are trusted by the community. However, no research has comprehensively assessed the readiness of the digital transformation of land services in Indonesia. This paper aims to evaluate the readiness of a land office to achieve digital transformation visions. Here, we apply the Digital Governance Assessment Framework (DGRA), adapted to the land service sector, as the basis for conducting this evaluation. The nine core indicators of the DGRA toolkit are used as a basis for assessment. Desk studies were conducted to identify formal legislation and to find the technical specifications. Direct observations and in-depth interviews were conducted with stakeholders to find user needs and evaluate the implementation of current regulations on the land service business process. Quality assessment was carried out on land registration data at the Land Office of Yogyakarta City as a sample. The quality assessment results indicate a problem with completeness, conformity, consistency, accuracy, duplication, and integrity. In conclusion, the readiness level still needs improvement, especially in the indicator related to Cyber Security, Privacy, and Resilience (1.0). Even though the Leadership and Governance, User-Centered Design, and Public Administration Reforms and Change Management sections shows a reasonably high score (≥2.0), other core sections, namely Technology Infrastructure (1.7), Legislation and Regulation (1.4), Data Infrastructure, Strategies, and Governance (1.8) are mediocre, and therefore they need improvement.
PT.Amman Mineral Nusa Tenggara (PT.AMNT) is an Indonesian mining company that operates the Batu Hijau mine. Mining activities can cause a decrease in vegetation cover and can have an impact on increasing surface temperature. This study aims to determine how the impact of mining activities on vegetation density and surface temperature. The change in vegetation density and surface temperature in the mining area can be detected by processing of remote sensing satellite imagery with different data recording times. The data used are five Landsat satellite imagery in 1998, 2004, 2008, 2014 and 2018. Vegetation index extraction process is carried out using the NDVI (Normalized Difference Vegetation Index) formula. While surface temperature extraction process is carried out using the Mono-window Brightness Temperature method. The results of the extraction process are then used to analyze the effect of vegetation density changes on surface temperature. The results of this study indicate that the vegetation density in the mining area has decreased and the average surface temperature has increased. The results of the correlation analysis showed that the decrease in the level of vegetation density caused the increase in surface temperature in the mining area of PT.AMNT.
Kebutuhan pemerintah daerah akan informasi geospasial menjadi semakin penting saat RTH semakin sulit ditemui di kawasan urban. Informasi tersebut adalah peta tutupan lahan, yang dapat diperoleh dari proses klasifikasi citra satelit resolusi tinggi, tetapi masih memiliki keterbatasan informasi spektral dimana klasifikasi objek juga melibatkan karakteristik spasial hingga tekstur untuk mendapatkan nilai akurasi yang tinggi (Kushardono, 2017). Karakterisitik tersebut sangat minimal pada data sensor pasif, tetapi banyak ditemukan pada data sensor aktif (radar/LiDAR). Dengan diketahuinya potensi kedua sensor (citra satelit dan LiDAR), beberapa peneliti telah melakukan penelitian serupa, di antaranya Awrangjeb dkk., (2013), Uzar dan Yastikli (2013), dan Gilani dkk., (2015). Pada penelitian ini, terdapat 3 data utama yaitu citra Pleiades, nDSM, dan citra intensitas. nDSM merupakan data turunan dari nilai elevasi LiDAR, sementara citra intensitas dibentuk dari nilai pantulan objek pada panjang gelombang NIR, yang masing-masing telah terkoreksi kemudian diinterpolasi menjadi data raster dan diklasifikasi. Proses klasifikasi dilakukan menggunakan metode OBIA dengan algoritma Assign Class melalui proses segmentasi. Skema klasifikasi yang dihasilkan menghasilkan sebanyak 12 subkelas (dalam 4 kelas utama) dari masing-masing hasil klasifikasi data sensor membentuk dataset komposisi. Proses integrasi ini menghasilkan sebanyak 3 dataset komposisi, yaitu dataset A (citra Pleiades), dataset B (Pleiades-intensitas) dan dataset C (Pleiades-nDSM). Dengan analisis SIG dilakukan uji akurasi dan didapat nilai akurasi dataset A sebesar 44,44% dan dataset B dan C keduanya menghasilkan nilai akurasi sebesar 63,89%. Nilai akurasi tersebut sangat rendah jika mengacu pada SNI LU/LC, dikarenakan jumlah 36 titik sampel tidak proporsional (< 20%) terhadap total jumlah objek yang mencapai ribuan.
Dalam pemodelan 3D, salah satu metode yang umum digunakan adalah close range photogrammetry (CRP). Pada umumnya, metode CRP menggunakan lensa normal akibat distorsinya yang tidak terlalu besar. Lensa fisheye memiliki sudut pandang yang lebih besar dibandingkan lensa normal sehingga dapat mengurangi jumlah foto namun memiliki distorsi yang besar sehingga dapat mempengaruhi ketelitian model 3D yang dihasilkan. Penelitian ini bertujuan untuk melakukan pengujian ketelitian geometrik antara lensa normal dan lensa fisheye. Penelitian dilakukan di Kawasan Candi Ratu Boko. Data yang digunakan adalah foto objek candi, 10 titik GCP dan 10 titik ICP. Hasil model 3D lensa normal dan lensa fisheye sudah dapat memvisualisasikan objek dengan baik dari tingkat kedetilan dari struktur yang dihasilkan. Uji geometrik dilakukan dengan membandingkan jarak pada kedua model dengan jarak di lapangan serta ukuran ICP pada kedua model dengan ukuran ICP hasil akuisisi mengunakan total station reflectorless. Kedua uji tersebut menggunakan uji -t dengan tingkat kepercayaan 95%. Uji ketelitian jarak dan koordinat ICP menghasilkan t hitung < tabel sehingga dapat disimpulkan bahwa ketelitian model 3D lensa fisheye sama dengan ketelitian model 3D lensa normal. Lensa fisheye dapat menggantikan lensa normal untuk pemodelan 3D dalam kondisi lingkungan yang sempit dan terbatas. Distorsi lensa yang besar pada lensa fisheye tidak mempengaruhi ketelitian objek secara signifikan apabila dilakukan proses kalibrasi kamera.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.